安徽省一季稻的綜合氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃

高磊 邵立瑛 申雙和

摘要：選用安徽省1980—2011年一季稻的逐年產(chǎn)量資料，利用5年直線滑動(dòng)平均法，分析安徽省各縣市的一季稻氣象產(chǎn)量和趨勢(shì)產(chǎn)量，得到研究區(qū)的水稻氣象產(chǎn)量平均減產(chǎn)率，統(tǒng)計(jì)各縣市災(zāi)害的發(fā)生頻次，采用小波分析法分析其周期規(guī)律;采用災(zāi)年平均減產(chǎn)率、變異系數(shù)、風(fēng)險(xiǎn)指數(shù)和抗災(zāi)性能構(gòu)建水稻綜合風(fēng)險(xiǎn)評(píng)估模型，對(duì)安徽省地區(qū)一季稻生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害進(jìn)行風(fēng)險(xiǎn)區(qū)劃;對(duì)安徽省地區(qū)一季稻生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害進(jìn)行風(fēng)險(xiǎn)區(qū)劃，并對(duì)結(jié)果進(jìn)行檢驗(yàn)。結(jié)果表明：（1）安徽省地區(qū)一季稻產(chǎn)量的年代變化主要在1990年以前和2003年左右;（2）1980—2011年水稻受災(zāi)頻次以11a和18a時(shí)間尺度上的峰值最大，是安徽省水稻受災(zāi)頻次的第一主周期，Morlet小波方差值在7a、11a、18a、30a內(nèi)出現(xiàn)峰值;（3）水稻綜合風(fēng)險(xiǎn)度基本呈“北高南低”的趨勢(shì)。該研究通過綜合評(píng)估水稻農(nóng)業(yè)氣象災(zāi)害，對(duì)保障安徽地區(qū)糧食生產(chǎn)安全、水稻生產(chǎn)者的積極性和收益穩(wěn)定性有著重要意義。

關(guān)鍵詞：安徽;水稻;風(fēng)險(xiǎn)評(píng)估;模型

Abstract：Based on the data of mediumseason rice yields from 1980 to 2011 in An Hui Province with using five-year linear sliding average method to isolate the trend yield and the meteorological yield..Statisticsing the frequency of occurrence of the disaster counties based on the average yield reduction of rice，and analyze cycle regularity wavelet analysis. The model of damage risk evaluation is consisted of four parts，including average yield reduction ratio， the variation coefficient、the risk index and the disaster index.The authors calculated the risk degree by the model of damage risk evaluation， and then achieved the risk regionalization of agricultural meteorological disasters for mediumseason rice in the An Hui Province and the results were tested.The modest research shows that：（1）The age changes of the rice production in the An Hui Province is mainly before 1990s and around 2003;（2）The frequency of disaster had obviously periodic variation with 7a，11a、18a、and 30a temporal scales from 1980 to 2011. 11a and 18a is first major period;（3） Rice comprehensive risk is basicallypresented the north higher than the south. The paper mainly through the comprehensive assessment of agricultural agrometeorological disasters，so as to provide a directive to the regional agricultural disaster prevention and mitigation，profit and avoid disadvantages，and achieve stable grain production and high yield.

Key words：Anhui;Rice;Risk assessment;Model

中國(guó)是世界上最大的稻米生產(chǎn)國(guó)，水稻在我國(guó)不僅種植面積最大，單產(chǎn)最高，而且占糧食總產(chǎn)的比重也最大。水稻一直以來都是安徽省主要的糧食作物之一，尤其是一季稻，其播種面積占全省水稻總面積的85%以上，主要分布在沿淮、江淮、沿江江南地區(qū)[1-2]。袁福香等[3]研究表明，平均減產(chǎn)率指標(biāo)、產(chǎn)量變異系數(shù)、風(fēng)險(xiǎn)指數(shù)是水稻災(zāi)害減產(chǎn)的風(fēng)險(xiǎn)評(píng)估指標(biāo)。平均減產(chǎn)率是氣象因子綜合作用的結(jié)果，因而對(duì)評(píng)估水稻生產(chǎn)的綜合氣象災(zāi)害風(fēng)險(xiǎn)具有一定的指示意義。楊太明等[4]對(duì)皖浙地區(qū)早稻高溫?zé)岷Φ陌l(fā)生規(guī)律及高溫對(duì)早稻產(chǎn)量的影響進(jìn)行了研究，結(jié)果表明，安徽省沿江、江淮一帶高溫?zé)岷?duì)早稻的影響程度重于沿淮地區(qū)。吳孝祥[5]對(duì)江蘇省各類氣象災(zāi)害的時(shí)空分布規(guī)律及特征進(jìn)行了分析，結(jié)果表明，淮北、江淮地區(qū)的旱年多與蘇南地區(qū)。于堃[6]等對(duì)單季稻2個(gè)高溫敏感期間高溫?zé)岷Πl(fā)生的時(shí)空規(guī)律分析，結(jié)果表明，淮河以南地區(qū)是高溫?zé)岷Φ亩喟l(fā)區(qū)，尤以2001—2007年最為嚴(yán)重。包云軒[7]等對(duì)江蘇省不同地區(qū)的氣候變暖特征以及水稻高溫?zé)岷Φ臅r(shí)空分布規(guī)律進(jìn)行了分析研究，結(jié)果表明，蘇南地區(qū)高溫?zé)岷Φ陌l(fā)生頻次遠(yuǎn)高于淮北和蘇北沿海地區(qū)。褚榮浩[8]等對(duì)安徽省一季稻生育期高溫?zé)岷Φ陌l(fā)生規(guī)律進(jìn)行了分析，結(jié)果表明，安徽省一季稻生育期高溫?zé)岷Φ陌l(fā)生頻次較高的時(shí)段主要集中在7月中、下旬和8月上旬，尤以8月上旬最高，空間分布呈南部多，北部少，且由西南部向周圍逐漸遞減。然而，目前國(guó)內(nèi)外對(duì)安徽省水稻生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害的研究局限于單一因子對(duì)水稻產(chǎn)量的影響，因此，綜合評(píng)估水稻風(fēng)險(xiǎn)顯得尤為重要[11-16]。本文的水稻綜合風(fēng)險(xiǎn)評(píng)估模型由災(zāi)年變異系數(shù)、平均減產(chǎn)率、抗災(zāi)性能指數(shù)和風(fēng)險(xiǎn)指數(shù)構(gòu)成，并根據(jù)模型結(jié)果對(duì)風(fēng)險(xiǎn)度進(jìn)行了區(qū)劃，利用區(qū)劃結(jié)果綜合分析了安徽省一季稻生產(chǎn)的風(fēng)險(xiǎn)水平，以期為當(dāng)?shù)刂贫ūｋU(xiǎn)厘定費(fèi)率、災(zāi)害的監(jiān)測(cè)評(píng)估以及地區(qū)防災(zāi)減災(zāi)工作提供參考依據(jù)[17]。

1 數(shù)據(jù)與模型

1.1 數(shù)據(jù)

1.1.1 研究區(qū)概況 安徽水稻生產(chǎn)根據(jù)一季稻栽培制度，可分為雙季稻（早稻、晚稻）、一季稻（中稻、單晚稻）2類。位于暖溫帶與亞熱帶的過渡地帶，四季分明，雨量適中，光照充足，年均溫適宜，適宜種植水稻等農(nóng)作物。

1.1.2 資料獲取 根據(jù)地理區(qū)域和農(nóng)業(yè)區(qū)劃，將安徽省劃分為淮北、江淮和江南3個(gè)部分。資料選用對(duì)安徽省地形特征及水稻分布狀況具有一定代表性的18個(gè)縣市的水稻種植面積、總產(chǎn)量、單產(chǎn)（kg/hm2）以及1980—2011年18個(gè)氣象站逐日氣象要素，主要包括日平均溫度（℃）、日最高氣溫（℃）、日降水量（mm）、日照時(shí)數(shù)（h）等（見圖1）。

1.2 模型

1.2.1 產(chǎn)量資料的處理 通過直線滑動(dòng)平均方法模擬出趨勢(shì)產(chǎn)量，是一種將線性回歸模型與滑動(dòng)平均相結(jié)合，從而反映產(chǎn)量歷史演變趨勢(shì)的一種模擬方法[19]?；谶@一方法，本研究采用5a滑動(dòng)平均法，將1980—2011年一季稻實(shí)際產(chǎn)量分離成氣象產(chǎn)量和趨勢(shì)產(chǎn)量，（1）。

1.2.2 一季稻受災(zāi)的周期特征 采用Morlet小波分析方法，分析安徽省一季稻受災(zāi)頻次的周期特征。通過將高受災(zāi)頻次時(shí)間序列分解到時(shí)間頻率域內(nèi)，從而得到時(shí)間序列內(nèi)的顯著波動(dòng)，即周期變化的動(dòng)態(tài)。

2 結(jié)果與分析

2.1 一季稻成災(zāi)年數(shù) 根據(jù)式（2）分別統(tǒng)計(jì)了各縣市各等級(jí)的一季稻成災(zāi)年數(shù)，詳見表1。1980—2011年，總成災(zāi)年數(shù)為96a，平均每縣市成災(zāi)年數(shù)為6a。成災(zāi)年減產(chǎn)率在5%～15%的占59%，15%～25%的占25%，25%～35%的占9%，35%以上的占7%，減產(chǎn)率的大小和重災(zāi)年的成災(zāi)年數(shù)成反比，即減產(chǎn)率越小，成災(zāi)年數(shù)越多。

2.2 水稻受災(zāi)周期變化特征 本文采用Morlet小波法對(duì)一季稻受災(zāi)頻次在1980—2011年間主周期特征進(jìn)行分析。從小波方差圖2（b）中可知，Morlet小波方差值在7a、11a、18a、30a內(nèi)出現(xiàn)峰值。其中，以11a和18a時(shí)間尺度上的峰值最大，是安徽省水稻受災(zāi)頻次的第一主周期。從水稻災(zāi)害頻次的小波時(shí)頻分布圖2（a）中可知，周期變化與小波方差分析結(jié)果較為一致。在11a時(shí)間尺度上，周期變化在1995年以前較為明顯，且嵌套在較大時(shí)間尺度的周期變化中。在18a時(shí)間尺度上，受災(zāi)頻次的周期性呈現(xiàn)出“多-少-多”的趨勢(shì)，且等值線在2011年之后仍未閉合，大致可判斷再未來幾年受災(zāi)次數(shù)仍將增加。

2.3 一季稻受災(zāi)頻次與產(chǎn)量的關(guān)系 圖3（a）為1980—2011年安徽省地區(qū)一季稻的實(shí)際產(chǎn)量、趨勢(shì)產(chǎn)量以及氣象產(chǎn)量的年際變化。從圖中可知，實(shí)際產(chǎn)量和趨勢(shì)產(chǎn)量整體隨時(shí)間波動(dòng)有著先增長(zhǎng)后減小的趨勢(shì)。安徽省產(chǎn)量在1990年以前和2003年左右波動(dòng)較大，其中，1983、1988、1993和2003年氣象產(chǎn)量較低，2003年達(dá)最低值-670.6kg·hm?2，氣象產(chǎn)量較低的年份與受災(zāi)頻次較高的年份較為一致。若相對(duì)氣象產(chǎn)量>5%為一季稻豐年，<-5%為歉年，則一季稻豐年主要有1981、1982、1986、1989、1990、1997、1998、2002、2004年，這些年份為非重災(zāi)年;水稻歉年主要有1983、1988、1993、1996、2003、2008年，見圖3（b）。這些年份也是產(chǎn)量受災(zāi)的易發(fā)年份，與受災(zāi)頻次的結(jié)果相對(duì)應(yīng)。

2.5 災(zāi)年減產(chǎn)率變異系數(shù)指標(biāo)（Cv）分析 從安徽省1980—2011年一季稻災(zāi)年減產(chǎn)率變異系數(shù)的空間分布（圖5）中可知，安徽省一季稻變異系數(shù)的空間分布特征和平均減產(chǎn)率較為一致。變異系數(shù)在[0，0.3]的地區(qū)主要位于淮河以北中部以及江南大部分地區(qū)。這些地區(qū)是減產(chǎn)率變異系數(shù)值較低，產(chǎn)量穩(wěn)定。變異系數(shù)∈[0.3，0.6]的較高值區(qū)主要集中在淮河以北北部、沿淮淮河以北西部以及江淮之間東部3個(gè)地區(qū)。變異系數(shù)∈[0.6，0.9]的高值區(qū)主要位于碭山。其中變異系數(shù)∈[0.9，1.7]的高值區(qū)集中在滁州泗縣一帶，表明這一帶水稻產(chǎn)量波動(dòng)較大。

由圖8和圖9可知，一季稻災(zāi)年減產(chǎn)頻次>30%的區(qū)域與一季稻綜合風(fēng)險(xiǎn)度較高的風(fēng)險(xiǎn)區(qū)范圍大致相似，從而驗(yàn)證了本文構(gòu)建的一季稻綜合風(fēng)險(xiǎn)評(píng)估模型的準(zhǔn)確性。其次，根據(jù)對(duì)安徽省1980—2011年各地不同受災(zāi)頻次的周期變化，統(tǒng)計(jì)災(zāi)年平均減產(chǎn)率與綜合風(fēng)險(xiǎn)度的相關(guān)性（圖10），結(jié)果表明，兩者相關(guān)性較高，決定系數(shù)R2達(dá)到0.8045，進(jìn)一步驗(yàn)證了該模型的可靠性。

3 結(jié)論與討論

通過建立安徽省一季稻綜合風(fēng)險(xiǎn)評(píng)估模型來揭示安徽省水稻綜合風(fēng)險(xiǎn)的分布狀況，結(jié)果表明：

（1）Morlet小波方差值在7a、11a、18a、30a內(nèi)出現(xiàn)峰值。其中，以11a和18a時(shí)間尺度上的峰值最大，是安徽省水稻受災(zāi)頻次的第一主周期。在11a時(shí)間尺度上，周期變化在1995年以前較為明顯，且嵌套在較大時(shí)間尺度的周期變化中。在18a時(shí)間尺度上，受災(zāi)頻次呈現(xiàn)了“多-少-多”的周期規(guī)律，且等值線在2011年之后仍未閉合，大致可判斷再未來幾年受災(zāi)次數(shù)仍將增加;

（2）淮河以北以及江淮之間一季稻的綜合氣象災(zāi)害風(fēng)險(xiǎn)明顯高于淮河以南，其中，江南一帶綜合風(fēng)險(xiǎn)最低。對(duì)于某一特定地區(qū)，土壤特性以及農(nóng)業(yè)生產(chǎn)條件等社會(huì)因子的變化一般較為穩(wěn)定，而多種災(zāi)害對(duì)糧食減產(chǎn)造成的影響確各有不同[23]。一季稻的綜合風(fēng)險(xiǎn)評(píng)估能夠量化這些不同的影響，使得探究產(chǎn)量的綜合風(fēng)險(xiǎn)規(guī)律，對(duì)保障各地區(qū)糧食生產(chǎn)安全、水稻生產(chǎn)者的積極性和收益穩(wěn)定性有重要意義，最終使得一季稻的綜合風(fēng)險(xiǎn)評(píng)估模型更具有實(shí)用性。本文構(gòu)建的氣象災(zāi)害綜合風(fēng)險(xiǎn)度與典型受災(zāi)年平均減產(chǎn)率的決定系數(shù)R2達(dá)到0.8045，也通過了0.01的相關(guān)性檢驗(yàn)。因此，可以基于此風(fēng)險(xiǎn)度模型來評(píng)估綜合氣象災(zāi)害對(duì)不同地區(qū)一季稻的影響程度，從而為今后水稻的高產(chǎn)優(yōu)產(chǎn)提供更好的依據(jù)。

參考文獻(xiàn)

[1]李成荃.安徽稻作學(xué)[M].北京：中國(guó)農(nóng)業(yè)出版社，2008：77-80.

[2]浙江財(cái)經(jīng)學(xué)院.中國(guó)（海南）改革發(fā)展研究院編.中國(guó)[M].北京：中國(guó)經(jīng)濟(jì)出版社，2007.

[3]袁福香，馬樹慶.東北地區(qū)水稻生產(chǎn)的風(fēng)險(xiǎn)評(píng)估[J].吉林氣象，2004（2）：32-34.

[4]楊太明，陳金華，金志鳳，等.皖浙地區(qū)早稻高溫?zé)岷Πl(fā)生規(guī)律及其對(duì)產(chǎn)量結(jié)構(gòu)的影響研究[J].中國(guó)農(nóng)學(xué)通報(bào)，2013，29（27）：97-104.

[5]吳孝祥.江蘇省主要?dú)庀鬄?zāi)害概況及其時(shí)空分布[J].氣象科學(xué)，1996，16（3）：291-297.

[6]于堃，宋靜，高蘋.江蘇水稻高溫?zé)岷Φ陌l(fā)生規(guī)律與特征[J].氣象科學(xué)，2010（4）：530-533.

[7]包云軒，劉維，高蘋，等.氣候變暖背景下江蘇省水稻熱害發(fā)生規(guī)律及其對(duì)產(chǎn)量的影響[J].中國(guó)農(nóng)業(yè)氣象，2012，33（2）：289-296.

[8]褚榮浩.安徽省中季稻生育期高溫?zé)岷Πl(fā)生規(guī)律分析[J].中國(guó)農(nóng)業(yè)氣象，2015，36（4）：506-512.

[9]李世奎.中國(guó)農(nóng)業(yè)災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)與對(duì)策[M].北京：氣象出版社，1999.

[10]王春乙，張繼權(quán)，霍治國(guó)，等.農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估研究進(jìn)展與展望[J].氣象學(xué)校，2015，73（1）：1-19.

[11]Wilhite D A.Drought as a natural hazard：Concepts and defi-nitions//Wilhite D A.Drought：A Global Assessment.Lon-don：Routledge Publishers，2000：3-18.

[12]B.A. Keating.Assessing exceptional drought with a cropping systems simulator：a case study for grain production in northeast Australia[J].Agricultural Systems，1998，57（3）：315-332.

[13]Agnew C T.Using the SPI to identify drought [J].Drought Net-work News，2000.12（1）：6-12.

[14]G.M. Richter.Modelling impacts of climate change on wheat yields in England and Wales：assessing drought risks[J].Agricultural Systems，2005，84（1）：77-97.

[15]Uwe Schindler.Drought risk to agricultural land in Northeast and Central Germany[J].Journal of Plant Nutrition & Soil Science，2007，170（3）：357-362.

[16]Todisco，F(xiàn).，Vergni，L.，Mannocchi，F(xiàn).Operative Approach to Agricultural Drought Risk Management[J].Journal of Irrigation and Drainage Engineering，2009，135（5）：654-664.

[17]吳利紅，毛裕定，苗長(zhǎng)明，等.浙江省晚稻生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)分布[J].中國(guó)農(nóng)業(yè)氣象，2007，28（2）：217-220，230.

[18]《中國(guó)農(nóng)業(yè)全書》總編輯委員會(huì)，《中國(guó)農(nóng)業(yè)全書·安徽卷》編輯委員會(huì).中國(guó)農(nóng)業(yè)全書（安徽卷）[M].北京：中國(guó)農(nóng)業(yè)出版社，2000.

[19]白林，段東霞，萬忠.廣東水稻生產(chǎn)風(fēng)險(xiǎn)評(píng)估研究[J].西南農(nóng)業(yè)學(xué)報(bào)，2014，27（4）：1762-1767.

[20]姜會(huì)飛，霍治國(guó)，潘學(xué)標(biāo)，等.中國(guó)小麥生產(chǎn)的區(qū)域比較氣候風(fēng)險(xiǎn)研究[J].自然災(zāi)害學(xué)報(bào)，2006，15（3）：58-65.

[21]邵立瑛，申雙和，高磊，等.江蘇省水稻生產(chǎn)的綜合氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估[J].科學(xué)技術(shù)與工程，2015，15（32）：232-239.

[22]李鳳新.遼寧省水稻產(chǎn)量災(zāi)損風(fēng)險(xiǎn)評(píng)估及對(duì)策[J].沈陽師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，30（3）：414-418.

[23]江和文，李春，曹士民，等.盤錦水稻產(chǎn)量災(zāi)損風(fēng)險(xiǎn)及氣象影響因子分析[J].氣象，2008，34（5）：38-43.

（責(zé)編：張宏民）